mobile.club

Depuis sa création, mobile.club séduit des dizaines de milliers de clients particuliers et une centaine de clients entreprises. Son activité de location de téléphones mobiles est toutefois exposée à un risque de fraude, en particulier d’impayés volontaires. Depuis son lancement en 2018, mobile.club a développé un moteur de scoring pour mieux identifier les risques de fraude aux étapes de l’inscription et de la commande.

Olivier Thierry, cofondateur et CTO de mobile.club explique « L’apprentissage de notre modèle de scoring par machine learning s’optimise constamment avec l’apport de nouvelles données. Nous avions besoin de l’alimenter avec de nouveaux points de données, en particulier des données fiables sur les adresses postales et les lignes mobiles ». La difficulté pour enrichir son modèle avec ce type de données : aller les puiser dans l’open data représentait un travail colossal, aux résultats incertains.

Contacté par DQE, Olivier Thierry apprécie la qualité de l’échange et décide de tester la solution de DQE dans le modèle de scoring de mobile.club. Il explique : « Le test de la solution DQE dans notre moteur de scoring a été concluant. Il a confirmé la valeur ajoutée de DQE : enrichir notre modèle de scoring avec une donnée qualifiée, structurée et normalisée on-demand. »

L’équipe de mobile.club a également apprécié la quantification de ses besoins par DQE, et son accompagnement technique pour intégrer la solution dans son moteur de scoring. Dorénavant, DQE contribue à alimenter le moteur de mobile.club avec des points de données sur les adresses postales et les lignes mobiles utilisées par les clients.

Optimisation du moteur de scoring

DQE permet au moteur de scoring de mobile.club d’intégrer de nouveaux segments de données tels que l’adresse vérifiée des souscripteurs, le type d’opérateur et l’activité de leur ligne mobile. « En Machine Learning, plus on dispose de données, mieux c’est pour optimiser le modèle » explique Olivier Thierry. « Les points de données supplémentaires fournis par DQE contribuent à l’apprentissage de notre moteur de Machine Learning pour affiner le scoring ».

Aujourd’hui, le moteur de mobile.club est en mesure de monitorer les risques au jour le jour par type de fraude grâce à tous les pints de données dont il dispose.

Un taux de fraude au plus bas

Les données qualifiées par DQE font partie des points de données majeurs dans l’arbre de décision qu’utilise le moteur de mobile.club pour décorréler les profils à risque de ceux qui ne le sont pas.

Les résultats sont manifestes en termes de lutte contre la fraude : « DQE est intégrée à notre moteur de scoring depuis près d’un an. Sur la période, nous avons divisé le taux de fraude par deux et le maintenons au plus bas niveau, alors que notre clientèle a plus que doublé. »

Une solution de scoring prête pour l’export

mobile.club poursuit son expansion en Europe. Or, à chaque pays correspond un nouveau modèle de scoring, en particulier sur les marchés soumis à des modèles de crédit-scoring. « Standardisées et normalisées à la demande, les données qualifiées par DQE s’adaptent selon les contraintes et vont nous aider à agréger de nouveaux modèles de crédit-score dans notre moteur » note Olivier Thierry.

Autre bénéfice de la Data Quality de DQE : des adresses postales fiables dans tous les pays pour assurer la livraison des portables loués. DQE apporte ainsi un appui à plusieurs titres au développement international de mobile.club.